[发明专利]基于生物基础与行为特征及业务特征的金融风险评估方法

说明书

本申请实施例提供了一种基于生物基础与行为特征及业务特征的金融风险评估方法，涉及风险评估技术领域，方法包括将视频流作为行为识别模型的输入进行运算，以模型最后一层的输出作为第一特征数组；计算第一特征数组中索引相同的数据的最大值、最小值、方差以及均值，得到第二特征数组；将提取的多帧图像作为卷积神经网络模型的输入进行运算，以模型的最后一层的输出作为第三特征数组；计算第三特征数组中索引相同的数据的最大值、最小值、方差以及均值，得到第四特征数组；将第二特征数组与第四特征数组拼接，得到第五特征数组；将第五特征数组作为分类模型的输入进行运算，得到金融风险评估结果。本申请提供的方法能够对金融风险进行准确评估。

技术领域

本申请涉及风险评估技术领域，尤其涉及一种基于生物基础与行为特征及业务特征的金融风险评估方法。

背景技术

为了确保所提供资料的真实性，常常需要对用户提供的资料进行金融风险评估，以评估是否存在欺诈风险，如信贷过程中对个人证明材料的真实性评估。

目前，对于金融风险的评估常用的一种方式就是基于量表的风险评估，采用这样的评估方式，由于量表方案时间长，且量表的评估方式过于主观，容易加入个人的偏见，从而导致评估的效率和准确性较低。

因此，如何提供一种有效的方案以提高金融风险评估的效率和准确性，已成为现有技术中一亟待解决的问题。

发明内容

本申请实施例提供一种基于生物基础与行为特征及业务特征的金融风险评估方法，用以解决现有技术存在的金融风险评估的效率和准确性低的问题。

为解决上述技术问题，本申请实施例是这样实现的：

本申请实施例提供了一种基于生物基础与行为特征及业务特征的金融风险评估方法，包括：

将包含被评估用户图像的多段视频流分别作为预先训练的行为识别模型的输入进行运算，并以所述行为识别模型的最后一层的输出作为第一特征数组，得到与所述多段视频流一一对应的多个第一特征数组，其中所述多段视频流是由包含用户图像的原始视频划分得到的；

分别计算所述多个第一特征数组中索引相同的数据的最大值、最小值、方差以及均值，得到第二特征数组；

将从所述原始视频中提取的多帧图像分别作为预先训练的用于生物基础特征识别的卷积神经网络模型的输入进行运算，并以所述卷积神经网络模型的最后一层的输出作为第三特征数组，得到多个第三特征数组；

分别计算所述多个第三特征数组中索引相同的数据的最大值、最小值、方差以及均值，得到第四特征数组；

将所述第二特征数组与所述第四特征数组进行拼接，得到第五特征数组；

将所述第五特征数组作为预先训练的分类模型的输入进行运算，得到金融风险评估结果，所述金融风险评估结果表征存在欺诈风险或不存在欺诈风险。

在一个可能的设计中，所述方法还包括：

提取出所述视频流中的人脸图像；

通过所述人脸图像识别出所述视频流中的被评估用户；

所述将包含被评估用户图像的多段视频流分别作为预先训练的行为识别模型的输入进行运算，包括：

如果所述被评估用户不属于失信用户，则将所述多段视频流分别作为预先训练的行为识别模型的输入进行运算。

在一个可能的设计中，所述方法还包括：

提取出所述视频流中的人脸图像；

将所述人脸图像与人脸数据库中的人脸图像进行特征匹配；

所述将包含被评估用户图像的多段视频流分别作为预先训练的行为识别模型的输入进行运算，包括：